功能特性 　　以自动识别目标位置、并动态控制摄像头跟踪拍摄，实现教师跟踪、板书定位、试验台定位、确保教师和板书特写画面、以及试验台操作画面以及教师在课室范围内任意位置准确、实时拍摄。 　　一体化硬件设计， 设备高度 1U，稳定可靠，采用图像识别技术跟踪； 　　支持多路摄像的跟踪定位拍摄，分别对应教师区、学生区以及板书区；支持阶梯教室跟踪，不会因为前后座位高度的差异导致跟踪混乱。 　　为了满足不了用户对教师特写镜头的需求，图像跟踪系统支持跟拍和切换两种模式可选。 　　利用先进的图像识别技术，系统能判断教师的肢体动作，精确识别教师位置，使教师景位更稳定，不会随教师肢体动作晃动。 　　教学行为数据采集功能，可以自动采集教师的教学模式数据、讲课时长、师生活跃度数据等。 教师身份认证 　　系统支持通过人脸识别技术自动判断教师身份，包含教师姓名、所在班级、学科等，便于快速完善课程信息。北京文香人脸识别技术采用先进的“深度学习”算法，准确率达到99%。所获得信息与校级资源管理平台进行无缝对接，课程录制上传到资源平台的视频可根据课程信息自动进行分类存储。 学生行为分析 　　学生区巡视功能，目前市场上存在的跟踪系统均是对教师，学生，板书跟踪策略的定义，而针对教研有时我们还需要了解上课过程中学生们具体的表现北京文香所研发的学生区巡视功能正是为了满足这种需求学生区视功能是通过架设台学生云台摄像机， 此摄像机通过图像跟踪体机的设置，不断的对学生区各个学生进行特写扫描并同时录制成1080P高清视频文件。通过图像跟踪体机的模式检测功能，可以设置学生巡检区以及巡检策略。 　　在使用资源管理平台点播功能时，点击正在播放视频内部的悬浮框之中的学生义视按钮，可打开学生选视的高湾视质在观看教师上课的同时，了解学生听的实时动态，对后期教学评课具有重大意义。 产品

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明公开了一种并行 LLL 高维模糊度降相关算法，首先通过混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法针对高维模糊度降相关的计算效率，增强高维模糊度降相关的能 力。其次为了得到降相关能力较强的 Z 变换矩阵，所以在每一次 QR 分解变换过程中，变换系数矩阵要 获取较小的整数值，因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序， 而在上三角分解前先对矩阵的列向量按内积大小进行降序排列，由此求得的 Z 变换降相关性能更佳。最 后把算法正交变换过程中的取整运算移至在求 Z 矩阵时取整，可以避免算法迭代过程中反复取整而引起 的误差累积，解决算法发散的问题，从而进一步提高并行 LLL 算法的计算效率和稳定性。 

本发明涉及抑制肿瘤侵袭和扩散技术，特别是一种抑制肿瘤侵袭和扩散的具有磁场和光照双重调控的超分子组装体的制备方法及其应用。本发明的目的是针对上述技术分析和存在问题，提供了一种可以抑制肿瘤细胞侵袭和转移，并且具有磁场和光照双重调控的超分子组装体，同时提供了该组装体的制备方法。/line本发明中的超分子组装体是一种能够通过光照和磁场诱导的形貌转化的纳米纤维聚集体。这些独特的能力是通过将生物相容性的靶向肽连接在氧化铁磁性纳米颗粒下与β-环糊精修饰的透明质酸非共价交联来完成的。更重要的是，由于癌细胞的表面的透明质酸受体过度表达，得到地磁定向聚合的多糖为基础的组装体，其可以在纳米纤维网状结构中特定地吸引癌细胞，从而抑制肿瘤细胞的迁移和挽救肿瘤细胞迁移的小鼠。本发明是实现生物超分子组装体对较弱的地磁场精确响应的第一个实例，为减少肿瘤细胞转移造成的死亡提供了一种新型的刺激响应性纳米超分子生物材料。

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。

在DCS与实时信息集成系统的基础上，实时智能故障诊断与专家系统充分利用网络技术、计算机技术、控制技术、通讯技术以及人工智能技术将分散的DCS系统进行集成，实现信息管理的智能化。实时智能故障诊断与专家系统实现从已有的DCS通讯网络获得数据，进行高一层次的综合和处理，进行监督、诊断和预报。主要内容：通讯网关：DCS数据高速公路和IFDES通过网关交换数据和信息。数据处理：从DCS、PLC和传感器送来的数据进行预处理，如数据工程化，数据转换和压缩。知识库：存放专家知识，用于工况监督、故障诊断、事故预报、提供在线操作指导；采用多种智能处理方法及软测量技术用于炼油生产过程的专家系统知识库的构建。推理系统：集成了前向推理机和反向推理机等，操作经验和事故教训将用于指导问题的解决。多媒体显示及操作手册的开发。与综合自动化平台集成。技术优势：1、 系统驱动器和数据处理器2、 数据库和服务器3、 IFDES专家系统4、 超媒体显示系统5、 IFDES与实时数据库接口的实现位号显示与趋势图模块  应用实例：已在炼油厂加氢裂解装置、烯烃厂锅炉装置等现场成功投运  投资规模及设备需求：  硬件环境（机型及CPU、内存、硬盘容量）：机型：运行Microsoft Windows操作系统；CPU: Intel 1.3GHz 及以上；内存：512M及以上；硬盘：80G及以上。  软件环境（操作系统、支持软件的名称及版本号）：操作系统：Microsoft Windows2000及以上版本；Web服务器：Microsoft IIS；数据库：Oracle 8.0以上；开发工具：Microsoft .Net Framework 1.1。实时智能监测与故障诊断专家系统软件（IFDES）  经济效益分析：本系统采用一系列先进的技术与开发集成手段。系统设计合理，使用方便，人机界面友好、开发周期短、扩充与二次开发便捷。性能价格比较高。它是低成本推广应用计算机及新技术的一次成功的尝试。使管理操作人员加强了工艺管理，及时捕捉到了装置运行过程中的事故隐患，确保了整个装置始终能处于高负荷、长周期稳定运行。使企业在最经济的成本下，产生最大的效益，减少事故的发生、原材的浪费与对环境的污染。经济与社会效益显著。

本发明公开了一种余热锅炉汽水泄漏诊断的数据预处理方法， 内容如下：(1)运行数据的采集与记录；(2)剔除运行数据中的异常值； (3)筛选稳定工况下的运行数据；(4)在异常值剔除和稳态筛选的基础 上，对各稳态段进行均值聚合。本发明针对燃气-蒸汽联合循环机组余 热锅炉的运行数据特点而提出，具有较高的可靠性，能提高运行数据 质量，改善故障诊断准确率。

我校发明了一种小型、低成本的铁电高分子柔性传感器，简单地贴合在手腕等部位，即时采集脉搏波信号，获得节律、波形等与心血管功能密切相关的参数。传感器能追踪健身和服用血管扩张药状态下脉搏波的变化；精确区分心脏输出的主波和次级反射/重搏波，评估血管硬化程度。传感器能耗为微瓦级，扣式锂电池驱动预计可工作两年；与智能手环等相整合，可在线关注心血管系统健康，定制个性化健身和心脏药物服用计划。该研究曾入围2016春季美国材料研究学会iMatSci的20个项目。

本发明公开了一种适用于盾构机的失效预测与诊断控制方法， 其包括以下步骤：(1)分析盾构机的失效机理；(2)建立盾构机的失效故 ·1093· 障树模型，同时确定各个系统构件之间的失效逻辑关系；(3)根据建立 的失效故障树模型，将故障门向离散时间贝叶斯网络转化以得到与失 效故障树模型相对应的盾构机失效的离散贝叶斯网络；(4)采用贝叶斯 网络的正向推理技术及后验概率对盾构机进行失效预测及风险诊断控 制。